CN117033152A - 一种证券业反洗钱指标逐日稽核测试方法及系统 - Google Patents
一种证券业反洗钱指标逐日稽核测试方法及系统 Download PDFInfo
- Publication number
- CN117033152A CN117033152A CN202311009379.8A CN202311009379A CN117033152A CN 117033152 A CN117033152 A CN 117033152A CN 202311009379 A CN202311009379 A CN 202311009379A CN 117033152 A CN117033152 A CN 117033152A
- Authority
- CN
- China
- Prior art keywords
- data
- early warning
- index
- warning information
- production
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012550 audit Methods 0.000 title claims abstract description 30
- 238000010998 test method Methods 0.000 title claims abstract description 25
- 238000011001 backwashing Methods 0.000 title claims abstract description 15
- 238000004519 manufacturing process Methods 0.000 claims abstract description 119
- 238000004900 laundering Methods 0.000 claims abstract description 72
- 238000012360 testing method Methods 0.000 claims abstract description 50
- 238000012544 monitoring process Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 31
- 238000011010 flushing procedure Methods 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 239000008280 blood Substances 0.000 claims description 3
- 210000004369 blood Anatomy 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种证券业反洗钱指标逐日稽核测试方法及系统，由服务端运行，方法包括：获取生产数据；对获取到的生产数据进行预处理，得到源数据；基于生产数据，调用生产环境反洗钱监测系统获取生产预警信息；基于源数据，通过预设的反洗钱指标模型进行指标计算，生成模型预警信息；将生产预警信息与模型预警信息进行比对，得到差分结果；所述差分结果用于对可疑的反洗钱监测系统进行逐日稽核。本发明能够对可疑的反洗钱监测系统进行逐日稽核测试。
Description
技术领域
本发明涉及一种证券业反洗钱指标逐日稽核测试方法及系统，属于金融数据处理技术领域。
背景技术
反洗钱监测系统测试方法一般包含了可疑交易指标测试和客户风险等级评估指标测试，需要针对上述反洗钱指标构建测试正例与反例，验证指标模型的功能。
现有测试方法中，测试人员手工构建测试用例，并根据测试用例编写对应的测试数据并输入至反洗钱监测系统中，通过对比反洗钱监测系统输出与预期结果，完成反洗钱指标模型的验证。
证券公司采用反洗钱监测系统监测客户的洗钱行为，当前反洗钱监测系统主要是通过建立反洗钱指标模型来判定客户的交易是否涉嫌洗钱。反洗钱监测系统指标繁多且平台数据处理量大，无论是客户洗钱风险等级划分还是可疑交易监测，都需要在每日闭市后监测全量客户数据。
金融行业当前普遍采用效率较低的手工测试方法完成反洗钱监测系统的测试，在测试过程中，测试人员基于对反洗钱指标模型的理解，人工构造测试用例及测试数据，但是这种测试方法有以下弊端：
（1）反洗钱测试覆盖场景不全面，影响测试结果
上述测试方法中的测试场景是基于测试人员的业务理解构建的，通常所能覆盖的场景较少且数据多样性较差，与生产环境真实数据存在较大差异。但是由于反洗钱监测系统的指标量大，所使用的数据表数量多，关联关系异常复杂，测试人员难以构建出相应的测试场景，由此导致测试不全面，影响了测试结果的准确性。
（2）反洗钱测试速度慢，效率较低
由于反洗钱监测规则复杂，基于传统的手工测试方法效率低下，通常的测试验证，根据反洗钱指标范围不同，需要数周到数月的测试周期，对新指标新功能上线计划产生较大影响。
（3）无法及时发现指标缺陷
反洗钱测试通常在反洗钱监测系统上线前开展，由于测试覆盖场景不全面，反洗钱监测系统上线后，具有客户漏检、误检的风险，当漏检问题发生时，对于真正触发洗钱的客户交易行为不能及时识别；当误检问题发生时，会对正常客户的账户产生影响。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种证券业反洗钱指标逐日稽核测试方法及系统，能够对可疑的反洗钱监测系统进行逐日稽核测试。为达到上述目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种证券业反洗钱指标逐日稽核测试方法，由服务端运行，包括：
获取交易日全量生产数据；
对获取到的生产数据进行预处理，得到交易日全量生产源数据；
基于交易日全量生产数据，调用生产环境反洗钱监测系统获取生产预警信息；
基于交易日全量生产数据源数据，通过预设的反洗钱指标模型进行指标计算，生成模型预警信息；
将生产预警信息与模型预警信息进行比对，得到差分结果；所述差分结果用于对可疑的反洗钱监测系统进行逐日稽核。
结合第一方面，进一步地，所述交易日全量生产数据包括：交割表、委托表、客户身份信息和行情信息。
结合第一方面，进一步地，所述得到交易日全量生产源数据，包括：
生产数据在交易日闭市以后传输至数据中心；
生产数据在交易日闭市以后传输至数据中心；
数据中心对生产数据进行安全等级扫描；
扫描完成后得到源数据并进行推送。
结合第一方面，进一步地，所述生产预警信息和模型预警信息，包括：可疑交易指标检查结果和客户风险等级评估指标结果。
结合第一方面，进一步地，所述生成模型预警信息，包括：
将交易日全量生产源数据以接口表的形式进行划分，得到预处理数据；
对预处理数据进行数据完整性校验、血缘校验、时间校验，校验完闭后通过数据聚合的方式，生成中间数据表信息，用于降低指标执行依赖数据表数量，提升指标执行效率；
初始化预设的反洗钱指标模型中各指标的定时任务和事件触发机制，将中间数据表信息录入预设的反洗钱指标模型，根据事件触发机制依次触发定时任务，执行对应的指标计算，对可疑交易指标检查结果和客户风险等级评估指标结果进行统计检查，输出模型预警信息。
结合第一方面，进一步地，所述执行对应的指标计算包括：
将客户的交易行为、客户属性与预设的反洗钱指标模型中预设的预警指标进行对比，得到客户命中的预设的预警条件个数及预警命中程度；
根据得到的客户命中的预设的预警条件个数及预警命中程度，判断客户交易行为、客户属性是否涉嫌洗钱行为；
响应于涉嫌洗钱行为，输出触发洗钱预警的客户的交易行为、客户属性数据，完成反洗钱指标计算。
结合第一方面，进一步地，所述将生产预警信息与模型预警信息进行比对，得到差分结果，包括：
比对每一个指标的生产预警信息和模型预警信息；
对于生产预警信息中包含、模型预警信息中未包含的数据，落表生成误检信息，根据误检信息中的客户数据、产品数据关联得到客户的交易日源数据，以便于工作人员进行误检信息确认；
对于生产预警信息中未包含、模型预警信息中包含的数据，落表生成漏检信息，根据漏检信息中的客户数据、产品数据关联得到客户的交易日源数据，以便于工作人员进行漏检信息确认；
所述误检信息及漏检信息组合生成差分结果。
结合第一方面，进一步地，所述证券业反洗钱指标逐日稽核测试方法的测试时间为三天，其中：
第一天得到交易日全量生产数据及用于输入预设的反洗钱指标模型的交易日全量生产源数据；
第二天基于交易日全量生产数据得到生产预警信息，
第三天基于交易日全量生产数据源数据得到模型预警信息，以及差分结果。
第二方面，本发明提供了一种证券业反洗钱指标逐日稽核测试系统，由服务端运行，包括：
获取模块：用于获取交易日全量生产数据，基于交易日全量生产数据，调用生产环境反洗钱监测系统获取生产预警信息；
预处理模块：用于对获取到的生产数据进行预处理，得到交易日全量生产源数据；
计算模块：用于基于交易日全量生产数据源数据，通过预设的反洗钱指标模型进行指标计算，生成模型预警信息；
比对模块：用于将生产预警信息与模型预警信息进行比对，得到差分结果；所述差分结果用于对可疑的反洗钱监测系统进行逐日稽核。
第三方面，本发明提供了一种计算机设备，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。
第四方面，本发明提供了计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述方法的步骤。
与现有技术相比，本发明实施例所提供的一种证券业反洗钱指标逐日稽核测试方法及系统所达到的有益效果包括：
本发明获取交易日全量生产数据；对获取到的生产数据进行预处理，得到交易日全量生产源数据；基于交易日全量生产数据，调用生产环境反洗钱监测系统获取生产预警信息；基于交易日全量生产数据源数据，通过预设的反洗钱指标模型进行指标计算，生成模型预警信息；将生产预警信息与模型预警信息进行比对，得到差分结果；所述差分结果用于对可疑的反洗钱监测系统进行逐日稽核；本发明无需构造测试数据，能够利用多日的生产数据生成独立于反洗钱监测系统的预警信息，通过比对预警信息之间的差异完成比对测试，节约测试数据构造的成本；
本发明覆盖了对可疑交易指标和客户风险等级评估指标，覆盖面广泛，能够对可疑的反洗钱监测系统进行逐日稽核测试，能够及时发现生产逃逸缺陷；
本发明监控性强，用户可在执行状态与执行结果查看指标执行情况，若指标测试执行失败，可快速定位失败原因，方便问题处理。
附图说明
图1是本发明实施例一提供的一种证券业反洗钱指标逐日稽核测试方法的实现原理图；
图2是本发明实施例一提供的一种证券业反洗钱指标逐日稽核测试方法流程图。
实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例一：
本实施例采用了C/S架构，服务端部署了数据中心用于用于在在交易日闭市以后接收生产数据，对获取到的生产数据进行采集、整理与加工。服务端获取部署了Oracle数据库，存储预设的反洗钱指标模型计算所需的生产数据及指标计算中间表，同时部署了反洗钱监测系统的计算程序。
如图1所示，一种证券业反洗钱指标逐日稽核测试方法，由服务端运行，包括：
获取交易日全量生产数据；
对获取到的生产数据进行预处理，得到交易日全量生产源数据；
基于交易日全量生产数据，调用生产环境反洗钱监测系统获取生产预警信息；
基于交易日全量生产数据源数据，通过预设的反洗钱指标模型进行指标计算，生成模型预警信息；
将生产预警信息与模型预警信息进行比对，得到差分结果；所述差分结果用于对可疑的反洗钱监测系统进行逐日稽核。
交易日全量生产数据包括：交割表、委托表、客户身份信息和行情信息。
如图2所示，因数据中心推送是在交易日闭市后推送数据的，且预设的反洗钱指标模型进行指标计算过程中涉及大量生产数据，需要对这些生产数据进行清洗与同步，证券业反洗钱指标逐日稽核测试方法的测试时间为三天，其中：第一天得到交易日全量生产数据及用于输入预设的反洗钱指标模型的交易日全量生产源数据；第二天基于交易日全量生产数据得到生产预警信息，第三天基于交易日全量生产数据源数据得到模型预警信息，以及差分结果。
第一天得到用于输入预设的反洗钱指标模型的交易日全量生产源数据，包括：生产数据在交易日闭市以后传输至数据中心；数据中心对生产数据进行安全等级扫描；扫描完成后得到源数据并进行推送。
具体的，源数据共分为客户基本信息、一人多户信息、委托信息、交割信息和行情信息五类。
具体的，生产预警信息和模型预警信息，包括：可疑交易指标检查结果和客户风险等级评估指标结果。
第二天数据中心将生产数据推送至可疑的反洗钱监测系统进行指标计算，得到生产预警信息。
第二天数据中心向预设的反洗钱指标模型的测试库推送源数据，预设的反洗钱指标模型对源数据进行处理，通过客户、交易、机构等维度划分为多个计算维度，并根据划分的维度整合对应的源数据，生产中间计算表，以提升指标计算效率。
第三天预设的反洗钱指标模型对源数据进行完整性检查。响应于通过完整性检查，由于直接抽取的接口表数据量庞大，最大可达亿级规模，指标计算效率异常低下，难以保障测试的及时性，因此对指标计算中间表进行指标分析、提取通用数据，能够大幅减少重复的统计计算工作，从而提升相关指标检查效率。
第三天调用预设的反洗钱指标模型进行指标计算，其中指标模型需要提前录入本系统当中，且需配置定时任务，部分指标执行依赖前置条件，因此按照事件触发形式依次执行可疑交易指标检查结果及客户风险等级评估指标，输出模型预警信息。
具体包括：将交易日全量生产源数据以接口表的形式进行划分，得到预处理数据；对预处理数据进行数据完整性校验、血缘校验、时间校验，校验完闭后通过数据聚合的方式，生成中间数据表信息，用于降低指标执行依赖数据表数量，提升指标执行效率；初始化预设的反洗钱指标模型中各指标的定时任务和事件触发机制，将中间数据表信息录入预设的反洗钱指标模型，根据事件触发机制依次触发定时任务，执行对应的指标计算，对可疑交易指标检查结果和客户风险等级评估指标结果进行统计检查，输出模型预警信息。
具体的，执行对应的指标计算包括：
将客户的交易行为、客户属性与预设的反洗钱指标模型中预设的预警指标进行对比，得到客户命中的预设的预警条件个数及预警命中程度；
根据得到的客户命中的预设的预警条件个数及预警命中程度，判断客户交易行为、客户属性是否涉嫌洗钱行为；
响应于涉嫌洗钱行为，输出触发洗钱预警的客户的交易行为、客户属性数据，完成反洗钱指标计算。
具体的，统计检查为与先前交易日的指标预警结果做比对，筛选出评估结果差异巨大的客户进行二次确认，过滤确认后的错误预警数据。
其中，客户的交易行为包括：客户的特定时间/特定账户/特定标的等场景下的交易行为、资产变动行为。预设的预警指标包括交易行为指标和客户属性指标，其中交易行为指标包括预警时间、资产变动指标，客户属性指标包括账户信息指标、委托信息指标。
第三天将生产预警信息与模型预警信息进行比对，得到差分结果，包括：
比对每一个指标生产预警信息和模型预警信息。生产预警信息包含，模型预警信息没有的数据，落表生成误检信息，并根据误检信息中的客户数据、产品数据关联求得出客户的源数据，方便业务进行误检信息确认。
对于生产预警信息中包含、模型预警信息中未包含的数据，落表生成误检信息，根据误检信息中的客户数据、产品数据关联得到客户的交易日源数据，以便于工作人员进行误检信息确认；
对于生产预警信息中未包含、模型预警信息中包含的数据，落表生成漏检信息，根据漏检信息中的客户数据、产品数据关联得到客户的交易日源数据，以便于工作人员进行漏检信息确认；
所述误检信息及漏检信息组合生成差分结果。
服务端采用多线程并行计算方式，同时计算若干个日期、若干反洗钱指标模型的反洗钱指标。
本发明无需构造测试数据，能够利用多日的生产数据生成独立于反洗钱监测系统的预警信息，通过比对预警信息之间的差异完成比对测试，节约测试数据构造的成本。本发明覆盖了对可疑交易指标和客户风险等级评估指标，覆盖面广泛，能够对可疑的反洗钱监测系统进行逐日稽核测试，能够及时发现生产逃逸缺陷；
本发明监控性强，用户可在执行状态与执行结果查看指标执行情况，若指标测试执行失败，可快速定位失败原因，方便问题处理。
此外本发明能够对新版反洗钱指标进行预研试算，提前验证指标的有效此外，反洗钱指标逐日稽核测试方法系统能够对新版反洗钱指标进行预研试算，当反洗钱监测系统对已有指标进行更新或上线新指标时，由于的新版反洗钱指标仍未上线，且反洗钱监测系统不具备新版指标功能验证的能力，因此需要借助反洗钱指标逐日稽核测试系统完成指标预研试算。
实施例二：
本发明实施例提供一种证券业反洗钱指标逐日稽核测试系统，由服务端运行，包括：
获取模块：用于获取交易日全量生产数据，基于交易日全量生产数据，调用生产环境反洗钱监测系统获取生产预警信息；
预处理模块：用于对获取到的生产数据进行预处理，得到交易日全量生产源数据；
计算模块：用于基于交易日全量生产数据源数据，通过预设的反洗钱指标模型进行指标计算，生成模型预警信息；
比对模块：用于将生产预警信息与模型预警信息进行比对，得到差分结果；所述差分结果用于对可疑的反洗钱监测系统进行逐日稽核。
实施例三：
本发明实施例提供一种计算机设备，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行实施例一所述方法的步骤。
实施例四：
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例一所述方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种证券业反洗钱指标逐日稽核测试方法，其特征在于，由服务端运行，包括：
获取交易日全量生产数据；
对获取到的生产数据进行预处理，得到交易日全量生产源数据；
基于交易日全量生产数据，调用生产环境反洗钱监测系统获取生产预警信息；
基于交易日全量生产数据源数据，通过预设的反洗钱指标模型进行指标计算，生成模型预警信息；
将生产预警信息与模型预警信息进行比对，得到差分结果；所述差分结果用于对可疑的反洗钱监测系统进行逐日稽核。
2.根据权利要求1所述的证券业反洗钱指标逐日稽核测试方法，其特征在于，所述交易日全量生产数据包括：交割表、委托表、客户身份信息和行情信息。
3.根据权利要求1所述的证券业反洗钱指标逐日稽核测试方法，其特征在于，所述生产预警信息和模型预警信息，包括：可疑交易指标检查结果和客户风险等级评估指标结果。
4.根据权利要求3所述的证券业反洗钱指标逐日稽核测试方法，其特征在于，所述生成模型预警信息，包括：
将交易日全量生产源数据以接口表的形式进行划分，得到预处理数据；
对预处理数据进行数据完整性校验、血缘校验、时间校验，校验完闭后通过数据聚合的方式，生成中间数据表信息；
初始化预设的反洗钱指标模型中各指标的定时任务和事件触发机制，将中间数据表信息录入预设的反洗钱指标模型，根据事件触发机制依次触发定时任务，执行对应的指标计算，对可疑交易指标检查结果和客户风险等级评估指标结果进行统计检查，输出模型预警信息。
5.根据权利要求4所述的证券业反洗钱指标逐日稽核测试方法，其特征在于，所述执行对应的指标计算包括：
将客户的交易行为、客户属性与预设的反洗钱指标模型中预设的预警指标进行对比，得到客户命中的预设的预警条件个数及预警命中程度；
根据得到的客户命中的预设的预警条件个数及预警命中程度，判断客户交易行为、客户属性是否涉嫌洗钱行为；
响应于涉嫌洗钱行为，输出触发洗钱预警的客户的交易行为、客户属性数据，完成反洗钱指标计算。
6.根据权利要求1所述的证券业反洗钱指标逐日稽核测试方法，其特征在于，所述将生产预警信息与模型预警信息进行比对，得到差分结果，包括：
比对每一个指标的生产预警信息和模型预警信息；
对于生产预警信息中包含、模型预警信息中未包含的数据，落表生成误检信息，根据误检信息中的客户数据、产品数据关联得到客户的交易日源数据，以便于工作人员进行误检信息确认；
对于生产预警信息中未包含、模型预警信息中包含的数据，落表生成漏检信息，根据漏检信息中的客户数据、产品数据关联得到客户的交易日源数据，以便于工作人员进行漏检信息确认；
所述误检信息及漏检信息组合生成差分结果。
7.根据权利要求1所述的证券业反洗钱指标逐日稽核测试方法，其特征在于，所述证券业反洗钱指标逐日稽核测试方法的测试时间为三天，其中：
第一天得到交易日全量生产数据及用于输入预设的反洗钱指标模型的交易日全量生产源数据；
第二天基于交易日全量生产数据得到生产预警信息，
第三天基于交易日全量生产数据源数据得到模型预警信息，以及差分结果。
8.一种证券业反洗钱指标逐日稽核测试系统，其特征在于，由服务端运行，包括：
获取模块：用于获取交易日全量生产数据，基于交易日全量生产数据，调用生产环境反洗钱监测系统获取生产预警信息；
预处理模块：用于对获取到的生产数据进行预处理，得到交易日全量生产源数据；
计算模块：用于基于交易日全量生产数据源数据，通过预设的反洗钱指标模型进行指标计算，生成模型预警信息；
比对模块：用于将生产预警信息与模型预警信息进行比对，得到差分结果；所述差分结果用于对可疑的反洗钱监测系统进行逐日稽核。
9.一种计算机设备，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1~7任一项所述方法的步骤。
10.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1~7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311009379.8A CN117033152A (zh) | 2023-08-11 | 2023-08-11 | 一种证券业反洗钱指标逐日稽核测试方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311009379.8A CN117033152A (zh) | 2023-08-11 | 2023-08-11 | 一种证券业反洗钱指标逐日稽核测试方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117033152A true CN117033152A (zh) | 2023-11-10 |
Family
ID=88624038
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311009379.8A Pending CN117033152A (zh) | 2023-08-11 | 2023-08-11 | 一种证券业反洗钱指标逐日稽核测试方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117033152A (zh) |
-
2023
- 2023-08-11 CN CN202311009379.8A patent/CN117033152A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sarno et al. | Hybrid Association Rule Learning and Process Mining for Fraud Detection. | |
| CN107154880B (zh) | 系统监控方法及装置 | |
| CN106980573B (zh) | 一种构建测试用例请求对象的方法、装置及系统 | |
| CN107545422B (zh) | 一种套现检测方法及装置 | |
| CN111127200A (zh) | 反洗钱可疑交易监测方法及装置 | |
| CN109409969A (zh) | 一种企业税务欺诈检测方法、电子设备及存储介质 | |
| CN109509082A (zh) | 银行应用系统的监控方法及装置 | |
| CN114238414A (zh) | 一种反洗钱可疑交易数据的监测方法及装置 | |
| CN109242658B (zh) | 可疑交易报告生成方法、系统、计算机设备和存储介质 | |
| CN109242165A (zh) | 一种模型训练及基于模型训练的预测方法及装置 | |
| CN111694815A (zh) | 一种数据库的异常检测方法及装置 | |
| CN118154186A (zh) | 交易业务的异常操作的确定方法、装置和服务器 | |
| CN107784578B (zh) | 银行外汇数据监管方法及装置 | |
| CN116578499B (zh) | 公共组件功能变更影响的智能化分析测试方法及其系统 | |
| CN117421238A (zh) | 灾备补账的测试方法及其装置、电子设备及存储介质 | |
| CN112465397A (zh) | 一种审计数据的分析方法和装置 | |
| CN112116197A (zh) | 一种基于供应商评价体系的不良行为预警方法及系统 | |
| CN117350854A (zh) | 资金追踪方法、装置、电子设备和存储介质 | |
| CN117033152A (zh) | 一种证券业反洗钱指标逐日稽核测试方法及系统 | |
| CN111340622A (zh) | 一种异常交易集群的检测方法及装置 | |
| CN116502084A (zh) | 风险识别方法、装置、存储介质及电子设备 | |
| CN107133864B (zh) | 一种基于大数据的集团员工挂账审计方法及装置 | |
| TWM567418U (zh) | Bank internal risk assessment and automatic output audit scheduling system | |
| CN114564405A (zh) | 一种基于日志监控的测试案例检查方法及系统 | |
| CN112823502B (zh) | 针对资源访问规则配置的实时反馈服务 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |